- 2 次围观
体积电子显微镜（EM）已成为生成脑组织高分辨率重建结果的关键方法。随着 EM 体积数据规模的增大，在重建流程中使用自动图像分割已变得不可或缺，尽管这一过程会产生需要纠正的错误。此后，对这些错误进行校对和修正已成为该流程中的主要成本驱动因素，但要精确估计为支持对重建神经元网络进行有意义的科学分析所需的充分校对编辑次数，仍然是一项挑战。 我们提出了一种快速且计算成本低廉的方法，用于在无需事先掌握真实值的情况下估计连接组学校对工作的进展。我们表明，随着校对编辑次数的增加，简单的全局图不变量会以可预测的方式收敛到渐近极限，从而为校对完整性的定量“停笔”标准提供依据。我们在处于不同校对进展阶段的两个数据集上展示了该方法：斑马鱼脊髓数据集和 hemibrain 黑腹果蝇数据集。我们的方法降低了与校对活动规划和优先级排序相关的不确定性，并使数据所有者能够准确预测并预算为其科学问题所必需的校对工作量。
连接组质量以可预测的方式收敛，从而揭示校对过程中的最优停止点 | bioRxiv
跳转至主要内容
首页 关于 提交 提醒 / RSS 搜索此关键词 高级搜索 新结果
连接组质量以可预测的方式收敛，从而揭示校对过程中的最优停止点
Hannah Martinez， Jordan Matelsky， Daniel Xenes， Katharine Merfeld， Cara Cavanaugh， Patricia Rivlin， Cody J. Smith， Brock Wester
doi： https://doi.org/10.64898/2026.06.30.735414
Hannah Martinez 1 约翰斯·霍普金斯应用物理实验室； 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在持有人为作者/资助方，后者已授予 bioRxiv 许可，以永久展示该预印本。 本文依据 CC-BY 4.0 国际许可协议提供。
返回顶部 上一篇 下一篇
发表于 2026 年 7 月 4 日。
下载 PDF 电子邮件
感谢您帮助传播 bioRxiv 的内容。
您的电子邮件 * 您的姓名 * 发送至 *
请输入多个地址，每行一个，或使用逗号分隔。
您将通过电子邮件发送以下内容 《连接组质量以可预测的方式收敛，从而揭示校对过程中的最优停止点》
邮件主题 （您的姓名）已从 bioRxiv 向您转发一个页面
邮件正文 （您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。
您的个人留言
验证码
此问题用于测试您是否为人工访客，并防止自动垃圾信息提交。
分享
连接组质量以可预测的方式收敛，从而揭示校对过程中的最优停止点
Hannah Martinez， Jordan Matelsky， Daniel Xenes， Katharine Merfeld， Cara Cavanaugh， Patricia Rivlin， Cody J. Smith， Brock Wester
bioRxiv 2026.06.30.735414； doi： https://doi.org/10.64898/2026.06.30.735414
分享本文： 复制
引文工具
连接组质量以可预测的方式收敛，从而揭示校对过程中的最优停止点
Hannah Martinez， Jordan Matelsky， Daniel Xenes， Katharine Merfeld， Cara Cavanaugh， Patricia Rivlin， Cody J. Smith， Brock Wester
bioRxiv 2026.06.30.735414； doi： https://doi.org/10.64898/2026.06.30.735414
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.30.735414v1?rss=1
🏷️ 连接组学 电子显微镜 神经元重建 图不变量 校对优化